Christoph Athanas: Recruiting und Personalbeschaffung werden immer technischer und immer mehr Daten stehen zur Verfügung. Das ist einerseits gut, doch es birgt die große Gefahr, dass man vielleicht das Wesentliche verpasst und in Daten gewissermaßen zu ertrinken droht. Da stellt sich die Frage, welche Digitalkompetenz und welche Datenkompetenz brauchen Recruiting Teams heute und welche Systeme und welche Aussagen aus den Systemen sind die wichtigsten. Darüber spreche ich mit Alexander Baumann, der seine Expertise heute hier in unserem Talk zur Verfügung stellt. Hallo, mein Name ist Christoph Athanas und ich präsentiere euch einen weiteren Videopodcast von HR Snacktime, diesmal powered by Meta HR.
Christoph Athanas: So, und da sind wir jetzt. Hallo Alexander Baumann, ich grüße dich.
Alexander Baumann: Hallo Christoph, ich grüße dich auch. Schön dabei zu sein heute.
Christoph Athanas: Super. Vielen Dank, dass du dir die Zeit nimmst für HR Snacktime. Für alle die Alexander Baumann noch nicht kennen. Wir haben hier einen Gast bei uns, der auf eine lange Erfahrung zurückblickt als Manager in großen Organisationen unter anderem Dell Computer, aber vor allen Dingen in der Führung und dem Ausbau seiner eigenen Company, der Jobcluster Deutschland GmbH. Und wir haben mit Alexander jemanden, der sich auf prozessorientierte Software spezialisiert hat. Der Ahnung hat, wie man solche Software baut, wie man diese implementiert, wie man Prozesse verbessert und das auf den Recruiting Bereich anwendet. Insofern sehr, sehr spannend. Das tut er mit seinem Familienunternehmen, da sind auch andere Familienmitglieder mit aktiv, also wirklich eine Sache, die man dort im Familienverbund vorantreibt und das auch erfolgreich tut, denn der Deloitte Fast Company Award wurde euch schon zweimal verliehen. Und das für eine tolle Technologie, die im Recruiting und Personalmarketing helfen soll und deshalb sprechen wir auch miteinander. Alexander bringt eben diese Erfahrung mit und wir wollen über datenbasierte Verbesserungen sprechen.
Alexander Baumann: Das ist richtig.
Christoph Athanas: Deshalb wollen wir über datenbasiertes Recruiting sprechen – über HR Analytics, also Themen, die uns heute alle bewegen und ohne die wahrscheinlich im Recruiting auch nichts mehr geht. Lass uns mal kurz mit dem Status quo anfangen, bevor wir dann auch relativ schnell ein bisschen praktischer werden wollen, vielleicht kannst du unseren Zuschauern sagen, an welchen Stellen, bei welchen Organisationen heute die Nutzung von HR Analytics schon ganz gut vorhanden ist und bei wem noch nicht?
Alexander Baumann: Ja, ich glaube, um die Frage zu beantworten, muss man schon ein bisschen fokussiert darüber nachdenken, im Sinne von Branchen, haben wir heute keinen Fokus, wo wir sagen, das ist dort besonders ausgeprägt oder eben nicht ausgeprägt. Man kann auch nicht sagen, dass große Unternehmen das besser machen als Kleine.
Alexander Baumann: Ich glaube, und das ist auch die Erkenntnis, die wir heute ziehen, dort, wo Prozesse wirklich digitalisiert werden, wo man ein Verständnis dafür entwickelt hat, dass wir Technologien im Recruiting einsetzen müssen, ob das fürs Multiposting ist, ob das im Bereich der BMS-Systeme ist oder ganz grundsätzlicher Natur Software im Einsatz zu haben, das ist eine Grundvoraussetzung heute dafür, dass wir überhaupt ein solches Thema besprechen können. Denn wenn wir solche Systeme heute einsetzen, dann entstehen Daten. Über Daten sprechen wir ja gleich nochmal. Aber das ist die Grundvoraussetzung dafür.
Wenn wir darüber sprechen, dann müssen wir auch wirklich zur Kenntnis nehmen, dass hier ein großer Umdenkungsprozess stattfinden muss, weil immer noch, und das ist nicht die Seltenheit, ganz, ganz viele Unternehmen ihr Recruiting über Agenturen betreiben, was ja nicht schlimm ist, aber dort fehlt natürlich neben den entsprechenden Daten immer noch der Abwicklungsprozess.
BMS über ein Excel abzubilden, haben wir heute auch noch. Also wir sprechen da nicht mit kleinen Unternehmen, die das tun, wir sprechen da auch mit großen Unternehmen, die das tun. Und das ganze Thema der manuellen Abwicklung, das haben wir immer noch ganz, ganz häufig, dass wir auf Organisation in jeder Größenordnung treffen, bei denen manuelle Abwicklungsroutinen im Raum stehen. Und da müssen wir ein Verständnis dafür bekommen, dass das der Vergangenheit angehören muss und wir uns darauf konzentrieren müssen, auch diese Digitalisierung im Recruiting ernst zu nehmen.
Christoph Athanas: Das ist ja schon mal eine an sich gute Nachricht. Das heißt, keine Branche ist besser oder schlechter, da ist kein Unternehmen weiter oder zurück, bloß weil es klein oder groß ist. Also Branche tut nichts zur Sache, Unternehmensgröße tut nichts zur Sache, sondern es ist eher die Frage, wie weit man in der Digitalisierung generell ist. Wie weit man Automatisierung hat und letzten Endes Daten zulässt und mit Daten arbeitet. Wenn ich das so richtig verstanden habe, richtig?
Alexander Baumann: Ja. Ein ganz praktisches Beispiel ist hier ein weltweit tätiges Unternehmen. Dieses hat eine weltweite ERP-Software im Einsatz. Recruiting kommt nicht an die Daten. Wenn ich den Namen nennen würde, würde jeder sagen, wie kann das sein, es ist aber definitiv so, dass hier ein Riegel vorgeschoben ist. Und man sagt wir kommen sogar nicht an die Daten, dafür braucht es Tickets, die eingestellt werden, da braucht es Prozesse, die ein halbes Jahr und länger laufen, um überhaupt mal so einen Prozess in Gang zu bringen. Und dann versucht man sich natürlich damit zu behelfen, wie komme ich denn überhaupt mal ganz grundsätzlich an eine Information. Also wir haben die komplette Bandbreite.
Christoph Athanas: Da sind wir ja schon voll beim Thema. Alle reden ja auch über die Nutzung von Daten. Das tun wir beide ja auch jetzt. Das braucht es auch für gezieltes Personalmarketing, für effektives Recruiting. Die Frage ist, was sind denn die Hürden für Arbeitgeber, um vom Reden eben über Daten ins Handeln zu kommen.
Alexander Baumann: Ja, ich glaube, dass uns die Grundlage fehlt, also die technische Grundlage. Wir haben gerade eben schon gesagt, wenn ich keine Systeme im Einsatz habe, wenn ich keine Technologien habe, die mir die Daten überhaupt erst mal liefern, dann wird es halt unglaublich schwierig. Das heißt aber auch noch nicht, wenn ich Technik im Einsatz habe, dass ich damit verbunden auch sofort meine Datenreports habe, dass ich meine Auswertung bekomme, denn wir sprechen jetzt erstmal über Datensilos. Das stellen wir ja auch fest. Daten kommen aus unterschiedlichen Systemen, Daten fallen an und diese Daten müssen jetzt überhaupt mal auswertbar gemacht werden. Und wenn ich mir das heute anschaue, wenn Recruitingabteilungen über solche Themen sprechen, dann wird dem Ganzen relativ schnell der Garaus gemacht, weil ich komme ganz schnell wieder auf mein Tagesgeschäft zurück und ich bin im Recruiting nicht der Datenspezialist.
Und wir werden im weiteren Verlauf sehen, wie wichtig es ist, eine Erkenntnis dafür zu entwickeln, dass es neben tollem Personalmarketing, neben tollen Recruiting-Ideen, eben genau diese Expertise in der Zukunft benötigt. Dass ich überhaupt zu solchen Datenanalysen komme und ganz klar: Recruiter sind keine Datenspezialisten, so wurde dieses Business nicht aufgebaut und das ist glaube ich ganz, ganz wesentlich.
Dafür, dass wir dafür Möglichkeiten aufbauen müssen, dass der Recruiter zukünftig von genau diesen Spezialisten unterstützt wird . Ich glaub das ist eine wesentliche Erkenntnis. Beispiel aus einem ganz anderen Bereich: Wenn wir heute über Vertrieb sprechen. Wir sprechen über Salesforce, ist jedem bewusst, dass wir alles dort möglich machen, um alle Daten zu unseren Vertriebsaktivitäten transparent zu machen. Alle Zahlen, Daten, Fakten werden analysiert. Im Recruiting haben wir das heute nicht und ich glaube, das ist für den Erfolg der Unternehmen in der Zukunft von, ich würde nicht sagen dramatischer Bedeutung, aber ich will auch nicht Fach- und Führungskräftemangel und solche dieser Themen ansprechen. Da sind wir drüber hinaus. Wir müssen erkennen, dass es notwendig ist, und wir müssen es als eine Strategie verstehen, uns zukünftig auf diese Themen auszurichten.
Christoph Athanas: So ein engagiertes und emotionales Plädoyer für die Nutzung von Daten. Das macht Appetit auf mehr. Danke Alexander, Wir sind gleich zurück.
Alexander Baumann: Sehr gerne.
Christoph Athanas: Bleibt also auf jeden Fall dran. Guckt das hier bis zum Ende durch, denn das lohnt sich. Gleich sprechen wir mal konkret, wie kann das aussehen, wie kann HR Analytics im Alltag nutzbar und hilfreich gemacht werden. Das Beste kommt noch, bis gleich.
Alexander Baumann: Ja.
Christoph Athanas: Willkommen zurück bei HR Snacktime, immer noch mit Alexander Baumann zum Thema HR Analytics und genau da wollen wir jetzt mal konkret werden. Lieber Alexander, beschreibe doch mal bitte so einen typischen Case, wie wird denn vorgegangen, um HR Analytics einzusetzen, um wirklich zielführend Bewerbungsprozesse besser zu machen, erfolgreicher zu machen?
Alexander Baumann: Wir müssen ein ganz klares Verständnis dafür entwickeln, welche Produkte, Zahlen, Daten, Fakten wollen wir denn überhaupt erheben. Wenn wir uns heute KPIs anschauen, gibt es 80 und mehr, die wir auf eine Liste schreiben können, dann ist das nicht hilfreich. Ich glaube, wir müssen das Verständnis dafür entwickeln, was sind die Kernfragen für uns, wenn wir sowas aufbauen, und das machen wir ganz konkret, wenn wir heute über Multiposting sprechen, wenn wir über BMS sprechen und wenn wir über das Thema Einstellungen sprechen. Dann können wir hieraus sehr, sehr konkret auf Multiposting bezogen formulieren.
Allein daran, die unterschiedlichen Publikationsziele mal festzumachen. Publikationsziele haben wir viele, wir haben Jobbörsen, wir haben die ganzen Social Recruiting Themen, wir haben Kampagnenthemen, wir haben eine Vermischung daraus. Allein das zu erheben, diese Daten zu analysieren, um am Ende zu sagen, aus der Jobbörsenwelt haben wir so viele Bewerbungen erhalten, es hat uns so viel gekostet, Kosten pro Bewerbung. Aber auch aus welchem Social Recruiting Kanal. Wenn ich diese Erkenntnis schon mal ziehe, dann werde ich einen Überblick darüber bekommen, wo lohnt es sich für mich, wo kann ich zukünftig aktiv sein, was ist das, was ich in der Vergangenheit gemacht habe? Conversions auf die einzelnen Kanäle bezogen, auch Abbruchquoten aus Bewerberformularen heraus natürlich zu analysieren. Das sind wesentliche Dinge, um in diesem Prozess am Ende zu sagen, aus der Quantität in die Qualität hereinzuschauen und allein die Tatsache, Kosten pro Bewerbung zu erhalten. Dies ist für die meisten Unternehmen schon ein Riesen Aha-Effekt.
Christoph Athanas: Das ist eine schöne Übersicht, wie ihr das auch in eurer Software löst. Zum Beispiel einfach um solche Kostenstrukturen mal transparent zu machen und den einzelnen Kanälen zuzuordnen, oder wie ihr sie in den Publikationszielen zuordnet, das können wir vielleicht gleich weiterausbauen. Das ist natürlich ein super spannender Punkt und wenn man diese Punkte hat, ist einem sicherlich geholfen. Die Frage ist, ohne IT-Systeme läuft gar nichts, da sind wir uns komplett einig, ich glaube es bestreitet auch kaum jemand, dass Recruiting ohne IT eigentlich heutzutage nicht mehr zeitgemäß ist. Aber welche Systeme und Tools braucht es denn wirklich, um welche entscheidenden Daten muss der Arbeitgeber daraus reporten? Was ist da deine Erkenntnis?
Portfolio Analytics
Alexander Baumann: Wenn wir konkret über Recruiting sprechen, dann braucht es die Erkenntnis aus den Multiposting Services. Man muss in der Lage sein, durchgängiges Multiposting vollziehen zu können. Das heißt: Multiposting im Sinne davon, wie ich es gerade auch schon gesagt habe, ob es eine Jobbörse ist, ob es ein Social Recruiting Kanal ist, ob es eine Indeed Kampagne ist als CPC Komponente. Ich muss das erkennen können. CPC heißt natürlich Cost-per-Click. Ich brauche entweder eine Gesamtlösung, die mir das Szenario bietet, ich bin ein Freund von Best-of-Breed-Lösungen. Also wirklich das Beste, was ich kriegen kann. Die Lösungen sind heute so miteinander verknüpft, dass ich mir auch wirklich die besten Komponenten zusammenbauen kann und daraus für mich letztlich auch die besten Schlussfolgerungen reporten lassen kann. Das ist für mich klar, wenn wir dieses Thema weiter runterbrechen, dann haben wir natürlich die Möglichkeiten über spezialisierte BMS-Anbieter heute zu gehen, die viele Funktionalitäten bieten oder eben über diese Best-of-Breed-Lösungen. Ich glaube aber daran, dass und das sehen wir auch bei den unterschiedlichsten Anbietern, die Zielrichtung eigentlich eher die Offenheit sein muss. Also wir sehen es beispielsweise heute, dass wir nicht mehr nur noch Daten aus einem BMS-System oder aus einem Multiposting-System in den, wir nennen das heute Data Lake, reinziehen, sondern wir holen uns auch die Informationen aus Drittsystemen. Also da ist es vollkommen egal, ob wir zum Beispiel auch über Empfehlungen sprechen oder auch über Offline-Medien, die ich reporten will, weil ich auf einer Messe bin und eine Karte dabei habe mit einem QR-Code und ich sie trotzdem auch in meinem System haben will. Also nur so wird letztlich am Ende ein Schuh daraus und ich komme in die Lage, überhaupt diese KPIs zu erheben, die für mich relevant sind und ich glaube, da ist noch ganz wichtig, es darf auch hier nicht der Standard sein. Ein Unternehmen muss klar für sich formulieren, was will ich eigentlich wirklich am Ende des Tages reporten, was will ich am Ende des Tages mit genau diesen Zahlen, Daten, Fakten machen?
Christoph Athanas: Das heißt, dass man am Ende sich auch ein individualisiertes Dashboard bauen sollte, um dann auch zu sagen, das sind unsere KPIs, das sind die Daten, die für uns wichtig sind aus den verschiedenen Datenquellen. Du sagst Offenheit, das ist gerade ganz wichtig, dass man verschiedene Daten anzapfen kann. Aber dann würde ich gleich anknüpfen, weil wir können ja mal so ein Dashboard einblenden, wie das bei euch zum Beispiel aussieht, eine eurer Lösungen.
Performance Analytics Dashboard von Jobcluster
Ich weiß nicht, ob das real oder fiktiv ist, aber es sieht auf jeden Fall sehr spannend aus, wenn man hier die Kosten, den Überblick hat, auch die Vergleichswerte zu vorangegangenen Jahren oder wahrscheinlich kann man das in Zeiteinheiten runterbrechen: Wochen, Monate und so weiter, das ist sehr wichtig. Jetzt ist natürlich immer die Gefahr, dass wenn man ganz viele Daten hat, man viele Quellen aussucht, was du ja sagst, was ich auch sehr richtig finde, dass man da Offenheit hat und sich von allen möglichen Daten sozusagen bereichern lässt an Informationen. Aber Information ist nicht gleich Wissen, man droht am Ende doch auch oft in Daten zu ertrinken. Was kann man tun, um da eben nicht in diese Falle zu geraten, man hat viele Daten, aber am Ende weiß man doch sehr wenig, oder?
Alexander Baumann: Die Frage für mich ist am Anfang, welche Daten braucht es? Ganz klar also eine hohe Priorisierung. Hier würde ich einen ganz pragmatischen Ansatz gehen. Ich würde mich hier nicht leiten lassen, von wie gesagt, den 80 KPIs die es gibt. Ich würde jetzt wirklich die Frage stellen, was brauche ich, um jetzt mit den nächsten drei, vier wesentlichen Daten, die ich erhebe, welche Schlussfolgerungen kann ich daraus ziehen. Also ganz klar eine Priorisierung. Und bei dem Thema muss man natürlich immer klar auch eins anführen, nämlich im Rahmen des Erlaubten. Wir haben es hier sofort auch mit dem Betriebsratsthema zu tun. Ich mache ein ganz konkretes Beispiel. Ich erhebe Daten, analysiere sie, habe vielleicht ein filialisierendes System und meine Daten bei vergleichbarer Ausrichtung sind im Norden so und im Süden so und jetzt sind wir auf einmal im Bereich der Leistungsdaten. Schwierige Fragestellung also, wie weit geht das dann, wie vergleichbar wird das und welche Schlussfolgerungen ziehe ich daraus.
Wichtig ist, wenn wir über Daten sprechen, wenn wir über diese neue Disziplin sprechen, dass wir dort auch den Teamgedanken bekommen. Teamgedanke im Sinne von was wollen wir wirklich an Daten haben, was ist für uns die Erkenntnis daraus? Erfolgreicher zu werden und wie können wir das gemeinsam letztlich auch auf den Weg bringen? Es darf nicht den einen geben, der sagt: „Und ab morgen bin ich der Datenspezialist. Und ab morgen bitte alles hinter mir her. “ Das wird so auch nicht funktionieren.
Christoph Athanas: Da hätte man die nächste Wissensinsel. Ja, völlig richtig.
Alexander Bauman: Wir hätten die nächste Wissensinsel und aus meiner Sicht ist es auch ein starker Eingriff auf die Motivation und natürlich auf ein gemeinsames Ziel, was dort entwickelt wird.
Christoph Athanas: Wir wollen gleich noch mal abschließend gucken, was eigentlich in Recruiting-Teams, in HR-Teams unter diesem Aspekt der stärkeren Datennutzung passieren muss. Deshalb bleibt auf jeden Fall dran. Danke bisher Alexander. Wenn es euch bisher gefallen hat, dann lasst mal ein Like da oder schreibt gerne einen Kommentar hier rein in Youtube, um mal eure Erfahrungen mitzuteilen, wie ihr mit Daten arbeitet, wie ihr das Recruiting der Zukunft seht. Und gleich sind wir zurück mit der finalen Frage, wo es dann noch mal um das Recruiting-Team geht.
Zurück immer noch HR Analytics und Datennutzung im Recruiting und Personalmarketing mit Alexander Baumann von Jobcluster. Alexander, wir haben schon gesprochen über die Rolle von Daten und Datenkompetenz in HR-Teams. Wie siehst du das, wie viel von dieser Kompetenz muss im Team selbst sein oder wo muss man sich auch Hilfe holen?
Alexander Baumann: Klares Credo. Wir haben hier zwei wichtige Aspekte, die wir berücksichtigen müssen. Das eine ist, dass die Datenanalyse Teil des HRs werden muss. Wir brauchen sie als eine eigenständige Verantwortung. Hier kann gerne IT zuarbeiten, wenn es um das Setting von Lösungen geht, aber das Verständnis dafür braucht es im HR. Ganz klar. Und es braucht hier auch eine klare Verantwortlichkeit, wenn wir auf der Datenanalyseseite sprechen, dann ist es ganz klar, wir brauchen Erkenntnis dafür, wie bauen wir denn Datensets auf. Ich hatte es ja vorhin schon gesagt, Data Lake, viele, viele Millionen von Daten, ich muss sie irgendwie zusammenführen, ich muss ja für mich die richtigen Schlussfolgerungen, für HR die richtigen Schlussfolgerungen ziehen. Also wie baue ich Datensätze einmal auf, wie Filter ich sie. Also das ist dann sozusagen die nächste wichtige Stufe, welche Daten möchte ich denn jetzt für mich erheben, welche Schlussfolgerungen wollen wir denn daraus ziehen bzw. was sind die nächsten wichtigen Konsequenzen und unter welchen Bedingungen sammeln wir, auch das ist eine wesentliche Fragestellung bezogen auf die Verantwortlichkeit.
Auch eine ganz klare Aussage: Nicht jeder darf sein eigenes HR-Analytics aufbauen also das wäre sozusagen auch gleichzeitig die Todeserklärung für eine gute Datenanalysen. Also hier braucht es genau diesen Datenspezialisten, der natürlich das HR-Verständnis mitbringt, aber Teil der HR-Organisation ist und in dieser Verantwortlichkeit betreibt. Also ich Klick mal was an, das darf es da nicht geben.
Christoph Athanas: Also das heißt, da sollte schon jemand vorhanden sein, der da tiefer drinsteckt. Der einfach wirklich das Datenthema durchdringt, auch mit dem System entsprechend arbeiten kann und den anderen das aber quasi als einen guten Service anbietet und bei den anderen ist so ein Grundverständnis dann offensichtlich das, was gebraucht wird. Habe ich das richtig verstanden?
Alexander Baumann: Richtig. Und es muss getragen werden durch das Team. Das war ja vorhin auch die Aussage dazu. Es muss Teil des Teams sein und das Schöne dabei ist ja, wir sehen das ja immer wieder, es gibt immer auch die Excel-Spezialisten. Also ich will jetzt nicht das Credo für Excel machen. Aber diese Leute, die beschäftigen sich halt mit Daten, wenn ich denen jetzt ein cooles Tool an die Hand gebe, Microsoft Power BI oder was wir heute alles kennen, Amazon Web Service, die haben viel Spaß dabei. Wenn das noch getrieben wird durch die Intention, wir wollen HR verbessern, dann ist das auf jeden Fall der gute, pragmatische Weg.
Christoph Athanas: Super, das ist auf jeden Fall mal ein Hinweis, wie kann man das Thema spielen, wie kann man da das Kompetenzsetting aufbauen innerhalb des Teams. Das Team muss es natürlich tragen, wie du es sagst, da bin ich ganz bei dir, aber gleichzeitig eine Spezialisierung sehen wir ja überall im HR. Also auch in dem Thema so und zum Abschluss wollen wir natürlich auch das wichtige Thema Künstliche Intelligenz noch einmal mit einbinden. Alexander, wie steht’s denn damit, wie und wo kann man denn heutzutage mit KI schon praktisch auch Daten-Analytics betreiben? Und die HR-Daten ein bisschen kneten lassen, gibt es da konkrete Hinweise?
Alexander Baumann: Ja, KI wird Sparringspartner. Wir füttern Sprachmodelle mit Datenreports. Auf dieser Basis chatten wir mit unseren Sprachmodellen. Wir stellen Fragen in natürlicher Sprache. KI beantwortet uns das und der große Vorteil dabei ist die Nutzung der Software oder auch die Kenntnis um die Software entfällt und hier sind wir tatsächlich dann in so einem Umfeld, wo wir den Datenspezialisten nicht zwingend benötigen. Das könnte ein Weg sein, um auch dieses Thema noch stärker zu fokussieren und eine konkrete Frage könnte jetzt lauten: Was sind die besten Kanäle für ein spezifisches Jobprofil? Beispiel: Ich habe den Kundenbetreuer und frage meine KI: Sag mir doch mal, was waren denn in der Vergangenheit die besten Kanäle für genau dieses Jobprofil? Wie viele Bewerbungen wurden eingesammelt? Also jetzt sind wir in der genau dieser Welt angekommen. Ich hoffe nur, dass wir dieser Welt nicht zwingend zu 100% vertrauen, sondern das Ganze und das ist wesentlich für mich auch noch mal so ein bisschen als Abschluss. Das wesentliche fußt darauf, das KI handlungsunterstützend tätig ist und wir trotzdem als die Spezialisten im HR immer noch die finale Entscheidung treffen und auch treffen müssen. Ansonsten verlassen wir uns zukünftig zu stark darauf und das wäre ein Fehler.
Christoph Athanas: Super, ich glaube, das klingt nach einem echt klasse Schlusswort, vielen Dank dafür. KI, so ein bisschen als Data Analytics Coach, sozusagen als Sparringspartner wie du es genannt hast zu nutzen, finde ich einen guten Gedanken und natürlich hat am Ende aber der Mensch, wenn er über die entsprechende Kompetenz verfügt, immer den finalen Knopf zu drücken, die Entscheidung zu treffen. Aber die KI ist da natürlich ein extrem guter und dankbarer Partner. Vor allen Dingen, wenn man auch denkt an kleinere Unternehmen, wo jetzt nicht so viele Menschen arbeiten, wo du vielleicht nicht so viele Experten aufbauen kannst. Sicherlich ein ganz spannender Ansatz, vielen Dank dafür. Generell vielen Dank für diesen sehr spannenden und sympathischen Talk. Alexander Baumann, Jobcluster Deutschland GmbH, wir verlinken hier natürlich in der Beschreibung zu Jobcluster. Wer mehr darüber wissen will, über die interessante Lösung von Jobcluster und natürlich auch das LinkedIn-Profil von Alexander Baumann. Um direkt und einfach auch mit dem Experten in Kontakt zu treten. Das also hier unten zu finden. Alexander, ich hoffe wir setzen diesen Talk irgendwann mal fort und ich glaube, die Data Analytics und KI-Entwicklung wird ein Anlass dafür bieten. Alles Gute bis dahin, vielen Dank.
Alexander Baumann: Herzlichen Dank und es hat sehr viel Spaß gemacht mit dir zu talken.
Christoph Athanas: Das war der Talk zum Thema HR-Analytics und datenbasiertes Arbeiten im Recruiting mit Alexander Baumann von Jobcluster. Schön, dass ihr bis zum Ende dran geblieben seid. Schreibt mal in die Kommentare, wie es euch gefallen hat, was ihr über das Thema denkt und wenn es in eurem Sinne war, dann lasst gerne ein Like da und abonniert diesen Kanal bis zum nächsten Mal. Ich bin raus, mein Name ist Christoph Athanas und ich habe euch HR Snacktime präsentiert powered by Meta HR.
Schaut euch gerne den Videopodcast von HR Snacktime mit Alexander Baumann, Geschäftsführer Jobcluster Deutschland, und Christoph Athanas auf YouTube unter folgendem Link an: https://www.youtube.com/watch?v=94QEnuwzpJQ
